首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积稀疏编码和多视角特征先验信息的图像恢复

摘要第3-5页
abstract第5-6页
第1章 绪论第10-14页
    1.1 概述第10页
    1.2 研究现状及存在问题第10-12页
        1.2.1 卷积稀疏编码第10-11页
        1.2.2 多视角特征第11页
        1.2.3 当前研究存在的问题第11-12页
    1.3 研究内容及章节安排第12-14页
        1.3.1 研究内容第12页
        1.3.2 章节安排第12-14页
第2章 基于梯度域卷积稀疏编码的磁共振图像重建第14-25页
    2.1 磁共振图像重建引言第15-16页
        2.1.1 CS-MRI第15-16页
        2.1.2 卷积稀疏编码第16页
    2.2 基于梯度域的卷积稀疏编码算法第16-18页
    2.3 求解GradCSC子问题的优化算法第18-21页
        2.3.1 求解u子问题第18-19页
        2.3.2 求解w~(i),i=1,2子问题第19页
        2.3.3 求解z和d子问题第19-21页
    2.4 数值仿真实验第21-24页
        2.4.1 基于不同采样因子的实验结果第21-22页
        2.4.2 基于不同采样轨迹的实验结果第22-23页
        2.4.3 抗噪性能分析第23-24页
    2.5 本章小结第24-25页
第3章 基于FoE滤波器的卷积稀疏编码图像恢复第25-41页
    3.1 图像恢复引言第25-27页
        3.1.1 生成模型第25-26页
        3.1.2 判别模型第26-27页
    3.2 基于FoE滤波器的卷积稀疏编码算法第27-32页
        3.2.1 多视角特征第29页
        3.2.2 FoECSC滤波器训练阶段第29-30页
        3.2.3 图像恢复阶段第30-32页
    3.3 数值仿真实验第32-39页
        3.3.1 图像去模糊第32-36页
        3.3.2 CS-MRI重建第36-39页
    3.4 参数讨论第39-40页
        3.4.1 参数评估第39页
        3.4.2 滤波器分析第39-40页
    3.5 本章小节第40-41页
第4章 FoE滤波器引导低秩张量填充第41-59页
    4.1 低秩张量填充引言第41-43页
    4.2 低秩张量填充经典算法第43-44页
        4.2.1 低秩张量填充算法第43-44页
        4.2.2 张量同时分解和填充算法第44页
    4.3 FoE滤波器引导低秩张量填充算法第44-51页
        4.3.1 FoE滤波器引导低秩张量填充第44-46页
        4.3.2 提出FoE-LRTC算法第46-48页
        4.3.3 提出FoE-STDC算法第48-51页
    4.4 数值仿真实验第51-56页
        4.4.1 视觉数据的性能评估第51-55页
        4.4.2 四阶张量填充的性能评价第55-56页
    4.5 参数讨论第56-58页
        4.5.1 参数评估第57页
        4.5.2 FoE滤波器分析第57-58页
    4.6 本章小结第58-59页
第5章 结论与展望第59-61页
    5.1 本文工作总结第59-60页
    5.2 未来研究展望第60-61页
致谢第61-62页
参考文献第62-71页
攻读学位期间的研究成果第71页

论文共71页,点击 下载论文
上一篇:基于图像质量感知特征的迭代型去模糊算法优化研究
下一篇:教师专业发展视角下的初中英语微课现状研究